Update app.py

app.py

@@ -1,25 +1,31 @@
-import streamlit as st
+import gradio as gr
 from transformers import pipeline, AutoTokenizer
 import torch
 
 # Функция для загрузки текста из файла
-def load_text_from_file(uploaded_file):
-    text = uploaded_file.read().decode("utf-8")
+def load_text_from_file(file):
+    with open(file.name, "r", encoding="utf-8") as f:
+        text = f.read()
     return text
 
 # Функция для генерации ответа на основе промта и текста
-def generate_response(prompt, text, model, tokenizer):
+def generate_response(prompt, text):
     # Объединяем текст и промт
     full_prompt = f"{text}\n\n{prompt}"
     
-    # Генерация текста
+    # Загружаем модель и токенизатор
+    model_name = "ai-forever/rugpt3small_based_on_gpt2"
+    tokenizer = AutoTokenizer.from_pretrained(model_name)
+    
+    # Инициализируем пайплайн для генерации текста
     generator = pipeline(
         'text-generation',
-        model=model,
+        model=model_name,
         tokenizer=tokenizer,
         device=0 if torch.cuda.is_available() else -1
     )
     
+    # Генерация текста
     output = generator(
         full_prompt,
         max_new_tokens=100,  # Увеличим количество токенов для более длинного ответа
@@ -42,45 +48,41 @@ def generate_response(prompt, text, model, tokenizer):
     
     return response
 
-# Основная функция
-def main():
-    st.title("Анализ текста с помощью GPT")
+# Функция для обработки ввода и вывода
+def process_input(file, prompt):
+    # Загружаем текст из файла
+    text = load_text_from_file(file)
     
-    # Загрузка текстового файла
-    st.sidebar.header("Загрузите текстовый файл")
-    uploaded_file = st.sidebar.file_uploader("Выберите .txt файл", type="txt")
+    # Генерация ответа
+    response = generate_response(prompt, text)
     
-    if uploaded_file is not None:
-        # Загружаем текст из файла
-        text = load_text_from_file(uploaded_file)
-        st.sidebar.success("Файл успешно загружен!")
-        
-        # Показываем загруженный текст
-        st.subheader("Загруженный текст:")
-        st.text_area("Текст", text, height=300)
-        
-        # Ввод промта
-        st.subheader("Введите промт:")
-        prompt = st.text_area("Промт", height=100)
-        
-        # Кнопка для генерации ответа
-        if st.button("Сгенерировать ответ"):
-            if prompt.strip() == "":
-                st.warning("Пожалуйста, введите промт.")
-            else:
-                # Загружаем модель и токенизатор
-                model_name = "ai-forever/rugpt3small_based_on_gpt2"
-                tokenizer = AutoTokenizer.from_pretrained(model_name)
-                
-                # Генерация ответа
-                with st.spinner("Генерация ответа..."):
-                    response = generate_response(prompt, text, model_name, tokenizer)
-                
-                # Показываем ответ
-                st.subheader("Ответ модели:")
-                st.text_area("Ответ", response, height=300)
-    else:
-        st.sidebar.warning("Пожалуйста, загрузите текстовый файл.")
+    return response
 
+# Создаем интерфейс Gradio
+def create_interface():
+    # Описание интерфейса
+    description = """
+    Загрузите текстовый файл (.txt) и введите промт. Модель GPT на основе загруженного текста сгенерирует ответ.
+    """
+    
+    # Создаем интерфейс
+    interface = gr.Interface(
+        fn=process_input,  # Функция для обработки ввода
+        inputs=[
+            gr.File(label="Загрузите текстовый файл (.txt)"),  # Поле для загрузки файла
+            gr.Textbox(label="Введите промт", lines=3)  # Поле для ввода промта
+        ],
+        outputs=gr.Textbox(label="Ответ модели", lines=10),  # Поле для вывода ответа
+        title="Анализ текста с помощью GPT",
+        description=description
+    )
+    
+    return interface
+
+# Запуск приложения
 if __name__ == "__main__":
-    main()
+    # Создаем интерфейс
+    interface = create_interface()
+    
+    # Запускаем Gradio
+    interface.launch()